Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Data Science with R and Python

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F22%3A10249847" target="_blank" >RIV/61989100:27740/22:10249847 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://events.it4i.cz/event/138/" target="_blank" >https://events.it4i.cz/event/138/</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Data Science with R and Python

  • Popis výsledku v původním jazyce

    The R part of the course was focused on presenting the basics of exploratory data analysis in R, as well as presentation of the findings through visualization, and basics of statistical/machine learning modelling. The course covered the basic workflow of exploratory analysis using packages from the &apos;tidyverse&apos; universe. These included packages for the loading of data, preprocessing data, basic data exploration, and visualization. In the second part, the basics of modelling in R starting with data preparation (missing data handling, one-hot enconding, etc.), model training, and model evaluation were introduced. In this part the main tools were packages &apos;caret&apos; and &apos;xgboost&apos;. The Python oriented part introduced essential data-scientific packages and demonstrated their usage with real world data analytic problems, and showed how to tackle such problems.

  • Název v anglickém jazyce

    Data Science with R and Python

  • Popis výsledku anglicky

    The R part of the course was focused on presenting the basics of exploratory data analysis in R, as well as presentation of the findings through visualization, and basics of statistical/machine learning modelling. The course covered the basic workflow of exploratory analysis using packages from the &apos;tidyverse&apos; universe. These included packages for the loading of data, preprocessing data, basic data exploration, and visualization. In the second part, the basics of modelling in R starting with data preparation (missing data handling, one-hot enconding, etc.), model training, and model evaluation were introduced. In this part the main tools were packages &apos;caret&apos; and &apos;xgboost&apos;. The Python oriented part introduced essential data-scientific packages and demonstrated their usage with real world data analytic problems, and showed how to tackle such problems.

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

  • OECD FORD obor

    10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Návaznosti výsledku

  • Projekt

  • Návaznosti

    V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Ostatní

  • Rok uplatnění

    2022

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů